【国盛金工量价选股】基于趋势资金日内交易行为的选股因子

国盛沈芷琦刘富兵 2026-05-23 置信度: high

综合质量 5 /5

新颖性 4 /5

可复现性 5 /5

核心内容

报告摒弃了传统对趋势资金的主观定义，通过最基础的分钟成交量数据动态识别趋势资金的交易时段。具体而言，计算过去5日分钟成交量的90%分位数作为阈值，当日成交量突破该阈值的分钟被标记为趋势资金交易。在此基础上，报告从价格和成交量两个维度提取信息：价格维度计算趋势资金交易均价相对全日均价的偏离度；量维度计算趋势资金在日均价以下的支撑量与以上的阻力量之差。两者合成的综合因子具备显著的选股预测能力。

经济逻辑

趋势资金不论是机构、游资还是大散户，其建仓或出货必然伴随成交量的放大。通过分钟级高成交量识别这些行为后：若资金在相对低价位大量成交（支撑量>阻力量，均价偏离为负），说明资金在逢低吸筹，后市上涨概率大；若在相对高价位大量成交（阻力量>支撑量，均价偏离为正），说明资金在逢高出货，后市看空。

超额收益逻辑

市场存在信息不对称，掌握信息优势的趋势资金在吸筹时往往表现为放量但价格受压（逢低买入），出货时表现为放量且价格偏高或上涨受阻。该因子截面上捕捉了这种放量但未造成价格突破的背离现象，通过跟随趋势资金的日内真实脚印，预测其后续延续行为带来的超额收益。

构造细节 [factor]

因子定义

1. 阈值计算: 每日回看过去5日分钟成交量序列，求90%分位数Vol_threshold。2. 趋势资金识别: 若当日某分钟i成交量Vol_i > Vol_threshold，则该分钟标记为趋势资金交易分钟。3. 因子1(相对均价因子): 每日计算 Trend_VWAP = Sum(Price_i * Vol_i)_trend / Sum(Vol_i)_trend, All_VWAP = Sum(Price_i * Vol_i) / Sum(Vol_i)。因子日值 = Trend_VWAP / All_VWAP - 1。4. 因子2(净支撑量因子): 计算趋势资金分钟收盘价的均值 Trend_Mean_Price。筛选Trend_Price_i < Trend_Mean_Price的分钟加总得Support_Vol，Trend_Price_i > Trend_Mean_Price的加总得Resistance_Vol。因子日值 = (Support_Vol - Resistance_Vol) / 流通股本。5. 因子合成: 两因子日值在过去20日取均值后，分别做横截面市值与行业中性化，再标准化等权合成。

处理流程

步骤1: 获取全A股分钟量价数据，剔除ST、停牌、上市未满60日次新股。
步骤2: 针对每个交易日，滚动计算过去5日全部分钟成交量数据的90%分位数。
步骤3: 遍历当日各分钟，成交量大于步骤2阈值的记录为趋势资金分钟数据集S。
步骤4: 基于数据集S，计算S内的VWAP（Trend_VWAP）及当日全量VWAP（All_VWAP），得日频相对均价偏离度。回看20日求均值，做市值行业中性化，得相对均价因子。
步骤5: 基于数据集S，计算S的收盘价均值M。累加收盘价<M的成交量得Support，累加收盘价>M的成交量得Resistance。计算(Support-Resistance)/流通股本，得日频净支撑量。回看20日求均值，做市值行业中性化，得净支撑量因子。
步骤6: 月底将两因子横截面标准化，相对均价因子取负向（使其与收益正相关），与净支撑量因子等权相加，得综合因子。

参数

k: 5m: 90N: 20

数据输入

: (分钟): (分钟): (分钟): (日): (日)

组合方式

每月月底，将趋势资金相对均价因子（取反向）与趋势资金净支撑量因子各自做横截面标准化后，等权相加合成综合因子。

绩效

0.060

综合因子月度IC均值

3.12

综合因子年化ICIR

4.53

综合因子年化RankICIR

20.33%

综合因子5分组多空年化收益

2.99

综合因子多空信息比率

82.93%

综合因子多空月度胜率

7.57%

综合因子最大回撤

2.36

纯净综合因子年化ICIR

基准: 5分组多空对冲

回测期: 2014/01/01-2024/04/30

报告通过计算过去5日分钟成交量序列的90%分位数识别日内趋势资金交易时段，构建了趋势资金相对均价因子和趋势资金净支撑量因子。两者等权合成的综合因子在全体A股中表现优异，多空年化收益达20.33%，信息比率2.99。剔除Barra风格及行业影响后，纯净综合因子年化ICIR仍达2.36，具备稳健的选股能力。

收益归因 ✓ 已完成

综合因子与流动性因子（-0.35）、特质波动率因子（-0.28）相关性较高。剔除常用风格与行业后，纯净综合因子的年化ICIR降至2.36，多空年化收益降至11.98%，信息比率为2.00，最大回撤缩窄至3.68%，仍具有显著的选股能力。

方法: 将综合因子对Barra风格因子及行业进行回归取残差

缺口: 报告仅对常见Barra风格及行业进行了中性化处理，未与市场上其他高频微观结构或资金流因子进行直接的横截面收益归因对比。

稳健性

子样本稳定性: 因子在中证1000和国证2000等小市值股票池中表现更佳，年化RankICIR稳定在3以上；在不同参数(k=5, m=90, N=10/20/40)下效果稳健，RankICIR始终>4。

风格偏差: 综合因子与Barra流动性因子相关性-0.35，与特质波动率因子相关性-0.28。说明因子捕捉了部分低流动性和低波动的溢价，剔除这些风格后年化ICIR降至2.36。

因子在参数调整和不同市值样本中均表现稳健，且在剔除主流风格后仍保有一定预测能力，具备真实Alpha属性，但在小盘股中效果更显著。

数据依赖

所需数据: 分钟级成交量、成交额、收盘价；日频流通股本、市值、中信一级行业分类。

可复现性: easy

所需数据均为标准高频量价及基础财务分类数据，无特殊另类数据依赖，逻辑清晰且步骤明确，复现难度低。

新颖性评估 [新组合]

方法本身未突破传统量价框架，但创新性地使用分钟成交量分位数作为动态阈值定义'趋势资金'，并在此基础上结合价格偏离与支撑/阻力量价微观结构构建因子，视角新颖且具有实战价值。

不足与缺陷

剔除Barra风格后，多空年化收益从20.33%降至11.98%，说明相当一部分收益源于流动性和特质波动率风险溢价，纯Alpha属性有所折扣。
高成交量也包含散户恐慌盘或跟风盘，仅用放量定义趋势资金可能存在噪音。
回测未明确提及交易成本（滑点、冲击成本），分钟级数据构建的因子换手率可能较高，实盘扣费后收益可能大幅衰减。

可复用元素

使用过去短期(5日)分钟成交量分位数作为自适应阈值，有效避免了固定阈值在不同股票、不同时期的不可比问题。
将放量分钟单独提取，计算其价格与日内均价偏离及量在均价上下方分布的逻辑，是优秀的量价微观结构特征提取方法。

启发

可以尝试在提取出的趋势资金分钟中，进一步结合分钟级别的订单簿不平衡(OBV)或主买主卖性质，以更精准地区分资金意图。
阈值计算可以加权近期数据，或结合市场宏观波动率动态调整分位数参数m，以适应不同市场环境。

改进方向

引入分钟级主动买卖单方向，计算趋势资金净主买量支撑因子

基于: 原逻辑仅用高低价格划分支撑/阻力，但放量下跌也会有低价区大量成交。若结合Tick数据计算每分钟主动买入量与主动卖出量，定义支撑量=(主动买量-主动卖量)在价格低于均值区间的累加，能更真实反映资金吸筹而非被动成交。预期收益: 提升因子对真实资金意图的刻画精度，降低被动成交量的噪音，有望提高纯净因子的ICIR和收益稳定性。

复现计划

1. 获取2014-2024全A股分钟Bar数据(量、额、收盘价)及日频流通股本。2. 实现日内5日窗口90%分位阈值计算并提取趋势分钟。3. 按公式分别计算日频相对均价偏离与净支撑量比值。4. 转换为月均因子并进行市值与中信一级行业中性化。5. 两因子标准化等权合成，按月调仓分5组测试IC、收益率及风格归因。